正则表达式在NLP的基本应用

• 匹配字符串

通过使用re.search(regex,string)这个方法，可以检查这个string字符串是否匹配正则表达式regex。如果匹配到，这个表达式会返回一个match对象，如果没有匹配到则返回None。

1.获取包含关键字的句子

import re
text_string = '文本最重要的来源无疑是网络。我们要把网络中的文本获取形成一个文本数据库。利用一个爬虫抓取到网络中的信息。爬取的策略有广度爬取和深度爬取。根据用户的需求，爬虫可以有主题爬虫和通用爬虫之分。'
regex = '文本'
p_string = text_string.split('。')
for line in p_string:
    if re.search(regex,line) is not None:
        print(line)

输出结果为：

文本最重要的来源无疑是网络
我们要把网络中的文本获取形成一个文本数据库

2.匹配任意一个字符

"."代替任何单个字符（换行除外）

import re
text_string = '文本最重要的来源无疑是网络。我们要把网络中的文本获取形成一个文本数据库。利用一个爬虫抓取到网络中的信息。爬取的策略有广度爬取和深度爬取。根据用户的需求，爬虫可以有主题爬虫和通用爬虫之分。'
regex = '用户.'  # "."代替任何单个字符